Predictores del rendimiento académico en las titulaciones ...

Revista de Educación, 390. Octubre-Diciembre 2020, pp. 129-154Recibido: 07-11-2019 Aceptado: 17-07-2020

129

Predictores del rendimiento académico en las titulaciones de Administración y Dirección de Empresas: el efecto de la

especialidad en bachillerato

Predictors of performance in Business Administration degrees: the effect of the high-school specialty

DOI: 10.4438/1988-592X-RE-2020-390-468

José Luis Arroyo-BarrigüeteUniversidad Pontificia ComillasGregorio TiradoUniversidad Complutense de MadridIgnacio Mahíllo-FernándezFundación Jiménez DíazPedro José RamírezDeutsche Bank

ResumenEl presente artículo analiza el efecto de la especialidad cursada en bachillerato

sobre el rendimiento académico, tanto en el primer año de universidad como en la titulación en su conjunto, para grados relacionados con Administración y Dirección de Empresas (ADE). A fin de estudiar dicho efecto, se ha llevado a cabo un análisis con datos correspondientes a siete titulaciones diferentes y seis cohortes de alumnos, que accedieron a la universidad entre los cursos 2012-2013 y 2017-2018, obteniéndose una muestra final de 3412 alumnos. Se han ajustado distintos modelos de regresión lineal múltiple adaptados a las peculiaridades de los datos, ya que estos presentaban problemas de heterocedasticidad por los abandonos durante el primer curso, así como multicolinealidad debido a la incorporación de interacciones. Dichos modelos, además de la variable objeto de estudio, incorporan como variables de control aquellas que la literatura previa


130

Arroyo-Barrigüete, J.L., Tirado, G., Mahíllo-Fernández, I., Ramírez, P.J. Predictores del rendimiento académico en las titulaciones de administración y dirección de emPresas: el efecto de la esPecialidad en bachillerato

identifica como predictores clave del rendimiento académico, y se ha utilizado una estrategia de eliminación hacia atrás (Backward Stepwise Selection) para la selección de variables. Los resultados indican que, en grados relacionados con ADE, los alumnos procedentes de un bachillerato de ciencias obtienen, en general, mejores resultados durante el primer año que aquellos que cursaron la especialidad de humanidades y ciencias sociales. Sin embargo, cuando se analiza la titulación en su conjunto, dichas diferencias desaparecen. La conclusión, por tanto, es que la especialidad de ciencias en bachillerato confiere, únicamente, una ventaja al inicio de los estudios universitarios. También se ha confirmado que, en titulaciones sin apenas carga cuantitativa, el efecto de la especialidad en bachillerato no es, en general, una variable relevante para explicar el rendimiento académico en la universidad, es decir, que los resultados son similares con independencia de la especialidad de procedencia.

Palabras clave: Especialidad en enseñanza secundaria, rendimiento, estudios universitarios, grado en Administración y Dirección de Empresas, grados relacionados con ADE.

AbstractThis paper analyzes the effect of high school specialty on academic

performance, both in the first year of university and in the degree as a whole, for business related degrees. In order to study this effect, an analysis has been carried out, with data corresponding to seven different degrees and six cohorts of students, who entered the university between the academic years 2012-2013 and 2017-2018, obtaining a final sample of 3412 students. Multiple linear regression models have been adjusted, using the adequate techniques to deal with heteroskedasticity produced by dropouts during the first year, as well as multicollinearity due to interactions. These models, in addition to the variable under study, incorporate as control variables those identified in the previous literature as key predictors of academic performance, and a Backward Stepwise Selection strategy has been used for variable selection. The results indicate that, in business related degrees, students from science specialty generally obtain better results during the first year than those who studied the specialty of humanities and social sciences. However, when the degree as a whole is analyzed, these differences disappear. Therefore, we conclude that high school specialty in sciences confers an advantage at the beginning of the university studies. It has also been confirmed that, in degrees with hardly any quantitative load, the effect of the specialty in high school is not a relevant variable to explain academic performance at the university, that is, results are similar regardless of the specialty of origin.

Keywords: High school specialty, academic performance, higher education, business degree, business related degrees.


131


Introducción

El rendimiento académico es un concepto difícil de definir, pues existen múltiples aproximaciones posibles, y como señala Garbanzo (2007), “es problemático y confuso identificar el rendimiento académico con las notas” (p. 46). Por ejemplo, Tejedor (2003) distingue entre el rendimiento inmediato, ligado a métricas como la nota media, retraso en la finalización de los estudios o tasa de presentación a exámenes, y el rendimiento diferido, que recoge la utilidad de la formación recibida en la vida laboral y social, algo que se relaciona con la teoría del capital humano. Una importante dificultad respecto a dicha teoría es que la naturaleza cualitativa del capital humano hace necesaria su medición a través de variables que aproximen los elementos que intervienen en su definición (Castro, Fernández y Martín, 2015). No es nuestra intención abordar este enfoque, en tanto que excede los objetivos del presente trabajo, de modo que nos centraremos en el rendimiento inmediato, en donde el uso de algún tipo de promedio de las notas obtenidas es una práctica habitual, pues, aunque resulte una métrica imperfecta, puede aceptarse como primera aproximación (Di Gresia, Porto y Ripani, 2002). Diversos autores la complementan con medidas tales como la autoevaluación por parte del alumnado del nivel de competencias adquiridas y el número de alumnos que se presentan a evaluación (García-Merino, Urionabarrenetxea y Bañales-Mallo, 2016), ratios que consideran las asignaturas aprobadas desde el año de ingreso en la universidad (Di Gresia, Porto y Ripani, 2002), u otras métricas que pretenden capturar efectos adicionales que la nota media del expediente no recoge.

Adicionalmente al ya de por sí complejo problema de definición de la variable dependiente, nos enfrentamos a la complejidad que supone identificar los factores causales. Como referencia, uno de los últimos meta análisis sobre este tema (Schneider y Preckel, 2017) identificaba un total de 105 variables diferentes. En nuestra opinión, esta puede ser una de las razones por las que resulta tan complejo desarrollar modelos predictivos de rendimiento académico que sean portables. Los estudios de Widyahastutia y Tjhin (2018) y Thakar, Mehta y Manisha (2015), analizando las publicaciones académicas entre 2011-2016, y 2002-2014 respectivamente, apuntan a la necesidad de buscar enfoques unificados que permitan desarrollar modelos universales. En esta misma línea, Muthukrishnan, Govindasamy y Mustapha (2017), basándose en


132


una revisión de 59 artículos sobre modelos predictivos del desempeño de estudiantes, concluyen que existe una enorme escasez de modelos predictivos portables, algo que confirman, entre otros, Conijn, Snijders, Kleingeld, Matzat (2017) y Gašević, Dawson, Rogers y Gasevic (2016): incluso analizando diferentes cursos dentro de una misma institución, existen importantes diferencias entre los mismos, requiriéndose modelos predictivos adaptados a cada uno de ellos.

Volviendo a los factores causales, Schneider y Preckel (2017) engloban las diferentes variables en dos grandes áreas, relacionadas con el propio estudiante o con el proceso de instrucción, planteamiento similar al de Tourón (1985), que distingue entre características personales del estudiante y factores relacionados con el proceso de enseñanza y aprendizaje. Garbanzo (2007) propone una ordenación algo diferente, con tres grupos de factores diferentes, esto es, personales, sociales e institucionales, estando estos últimos ligados principalmente a las características del centro universitario.

En lo que se refiere a los determinantes personales, el rendimiento previo a la universidad probablemente es uno de los indicadores con mayor capacidad predictiva en estudiantes universitarios (Tejedor, 2003; Garbanzo, 2007; McKenzie y Schweitzer, 2001), pues de algún modo sintetiza tanto las aptitudes y capacidad de esfuerzo del estudiante, como sus conocimientos de base (Beltrán y La Serna, 2008). Las pruebas de admisión también parecen tener una considerable relación con el rendimiento académico: el meta análisis de Richardson, Abraham y Bond (2012), tras estudiar los resultados de las investigaciones entre 1997 y 2010, señala que las notas en enseñanza secundaria, junto al resultado de las pruebas de admisión (SAT/ACT en el caso de Estados Unidos), presentaban correlaciones medias con las notas obtenidas en la universidad. De hecho, el trabajo de Montero, Villalobos y Valverde (2007) sobre 848 estudiantes de la Universidad de Costa Rica concluye que el mejor predictor fue una combinación de las notas de secundaria y la puntuación en una prueba de habilidades de razonamiento. En el caso concreto de España, y específicamente para titulaciones relacionadas con la economía y la empresa, García-Diez (2000) concluye que la nota obtenida en Selectividad/EvAU resulta útil como un modo de seleccionar a los alumnos con mayores probabilidades de éxito. No obstante, debemos indicar que Escudero (1987) señala que la predicción del rendimiento


133


académico universitario es sensiblemente diferente según la rama en bachillerato, con mayores correlaciones en letras.

Entrando al detalle tanto del rendimiento previo como de las puntuaciones obtenidas en las pruebas de admisión, parece que los resultados en matemáticas son especialmente relevantes, incluso en titulaciones no científicas. Barahona (2014), con una muestra de 258 alumnos de primer año de las carreras de Trabajo Social, Ingeniería, Derecho y Humanidades de la Universidad de Atacama (UDA), concluía que los resultados de la prueba verbal y matemática son predictores importantes. Tourón (1984, citado en Beltrán y La Serna, 2008) concluye que las calificaciones en enseñanza media, especialmente en matemáticas, eran las de mayor capacidad predictiva del rendimiento en la universidad, resultado que coincide con el de Beltrán y La Serna (2008), quienes apuntan que “la nota promedio en los cursos de matemáticas del colegio, es la variable más importante para explicar el rendimiento académico” (p. 58). Para el caso concreto de los estudios universitarios en el ámbito de economía y empresa, un buen rendimiento en las asignaturas de matemáticas en la universidad correlaciona positivamente con buen rendimiento en las de economía (Harbury y Szreter, 1968) y finanzas (Didia y Hasnat, 1998). Ballard y Johnson (2004) apuntan que las habilidades cuantitativas son un factor clave para el desempeño en un curso introductorio de microeconomía y Girón y González (2005) concluyen que los buenos resultados en el área económica son explicados, básicamente, por el rendimiento previo en matemáticas.

Esta relación entre habilidades matemáticas y rendimiento en asignaturas del área de economía es precisamente lo que nos lleva a plantearnos si haber cursado la especialidad de ciencias durante el bachillerato mejora el rendimiento académico en la universidad, y específicamente en áreas relacionadas con la economía y la empresa, pues hasta donde llega nuestro conocimiento, no hay apenas trabajos al respecto para el caso de España. Etxeberria, Alberdi, Eguia y García (2017), en referencia a dos grados de ingeniería de la Escuela de Ingeniería de Bilbao, sí encontraron un mayor rendimiento del alumnado que ha cursado la especialidad “Ciencias y Tecnología”. Respecto al área de interés del presente trabajo, Castellanos, González, González y Manzano (1998) observaron que los alumnos de la especialidad de ciencias en bachillerato alcanzaron un mayor rendimiento en la asignatura de matemáticas empresariales de la antigua licenciatura en administración y dirección de empresas y en la


134


diplomatura en empresariales. Este resultado no coincide, sin embargo, con el de Dávila, García-Artiles, Pérez-Sánchez, y Gómez-Déniz (2015) para esta misma asignatura, puesto que concluyen que no hay diferencias entre los que provienen de un bachillerato de ciencias o de ciencias sociales, aunque sí las hay con respecto a los alumnos que cursaron la especialidad de humanidades. Por su parte, Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez y Martín (2010), analizando la titulación de ADE, encontraron que haber cursado un bachillerato de ciencias tenía un efecto positivo y significativo en el rendimiento en asignaturas cuantitativas, mientras que dicha variable no resultaba significativa ni en asignaturas en las que el sistema de evaluación atiende en gran medida al uso de la memoria ni en las de comprensión general. Por último, Martí-Ballester (2019) concluye que los estudiantes procedentes de ciencias sociales logran un mayor rendimiento en la asignatura de contabilidad financiera que sus compañeros procedentes de un bachillerato de ciencias. Parece, por tanto, que existen evidencias mixtas con respecto al efecto de la especialidad en bachillerato, por lo que el presente trabajo se centra precisamente en analizar dicho efecto.

A fin de llevar a cabo el análisis, de los tres grupos de factores que propone Garbanzo (2007), personales, sociales e institucionales, el presente trabajo se centra en el primero de ellos, aunque es preciso realizar una muy breve reflexión respecto a los otros dos, a fin de identificar posibles variables de confusión que debieran ser incluidas en el modelo.

En lo que se refiere a los determinantes sociales, el centro en el que se ha llevado a cabo el estudio es una universidad privada, cuyos estudiantes presentan, en general, una considerable homogeneidad en lo que se refiere al perfil social, pues la práctica totalidad se engloban en clase media-alta, con progenitores que mayoritariamente cuentan con estudios superiores. De hecho, el trabajo de Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez y Martín (2010) sobre 554 alumnos de Administración y Dirección de Empresas (ADE) en esta misma universidad, concluyó que el 86% de los padres poseían una titulación superior, el 12% estudios secundarios y el 1,5% estudios inferiores. Respecto a las madres, el 77% poseían una titulación superior, el 21% estudios secundarios y el 2% estudios en un nivel inferior.

Respecto a las variables institucionales, la universidad es de tamaño medio, y tanto las metodologías docentes como los sistemas de docencia


135


y evaluación están muy estandarizados, al menos en el caso de las titulaciones objeto de estudio en esta investigación. Un ejemplo es el hecho de que es práctica habitual que los exámenes sean comunes a todos los grupos que cursan una misma asignatura, independientemente del grado al que pertenezcan. Otro ejemplo es el tamaño de las clases. Estudios al respecto (Arias y Walker, 2004; Fenollar, Román y Cuestas, 2007) señalan que existe una relación positiva entre el rendimiento y la docencia en grupos pequeños, pese a algún resultado discrepante, como el trabajo de Borland, Howsen y Trawick (2005), quienes apuntan a una relación no lineal entre el rendimiento y el tamaño de los grupos. Por lo tanto, se trata de una variable que potencialmente debería incorporarse al modelo, pero en nuestro caso los grupos son muy similares, con aproximadamente 45 alumnos por clase, con independencia del grado o curso considerado, de modo que no resulta necesario hacerlo.

En relación a los determinantes personales, además de la especialidad elegida en bachillerato, en este trabajo se incluye el rendimiento previo a la universidad y las puntuaciones en los tests de admisión de la universidad Pontificia Comillas, pues, como se ha mencionado, ambas variables han sido identificadas sistemáticamente como buenos predictores del rendimiento académico en la universidad, y ambas están incluidas entre las diez variables más relevantes que recoge la literatura, según el meta análisis de Schneider y Preckel (2017). Más concretamente, dada la relevancia del nivel previo en matemáticas y, en menor medida, en lengua, se han elegido dos de las pruebas de admisión que evalúan precisamente estas áreas. Se ha optado por incluir también la prueba de inglés debido a que una de las titulaciones, E2 Bilingüe, se cursa totalmente en este idioma, y en E4 una parte significativa de los alumnos también lo hacen. Sin embargo, como sucedía con los factores sociales e institucionales, las características de la universidad hacen innecesario incorporar determinadas variables al modelo. A modo de ejemplo, la asistencia a clase, que en diversos estudios se identifica como un factor relevante (Cansino, Román y Expósito, 2018; Credé, Roch y Kieszczynka, 2010), es obligatoria en esta universidad, que permite un máximo del 25% de ausencias, de modo que las posibles diferencias entre alumnos son mínimas. Sí se ha decidido incluir en el modelo la provincia de origen del estudiante, como una variable binaria que indica si es o no Madrid, ya que existe evidencia mixta con respecto al efecto de cambiar de ciudad o abandonar el domicilio familiar para cursar los estudios


136


universitarios. Beltrán y La Serna (2008) apuntan a un efecto negativo, debido, entre otros factores, a la adaptación a una nueva situación vital, resultado que coincide con las conclusiones de Tejedor (2003). Por el contrario, Simón, Casado, Castejón, Driha y Martínez (2018) no observan diferencias significativas en el rendimiento académico en función de su tipo de residencia. Debido a esta ambigüedad, se ha incorporado la correspondiente variable. También se ha considerado relevante incluir el género del estudiante, pues varias investigaciones han reportado un rendimiento superior de las mujeres en asignaturas relacionadas con el área de Empresa (Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez y Martín, 2010; Martí-Ballester, 2012; Mercado y Niño, 2012; Durán, Maside, Rodeiro y Cantorna, 2016).

Método

Diseño del estudio

En esta investigación se plantean tres hipótesis diferentes:

Hipótesis 1: En las titulaciones con mayor carga matemática, los alumnos que cursaron un bachillerato de ciencias muestran un rendimiento académico superior durante el primer año de titulación, donde se concentran la mayor parte dichos contenidos. Hipótesis 2: En las titulaciones con mayor carga matemática, los alumnos que cursaron un bachillerato de ciencias muestran un rendimiento académico similar al de estudiantes que cursaron la especialidad de humanidades y ciencias sociales cuando se considera la titulación completa. Hipótesis 3: En las titulaciones con carga matemática muy limitada o sin ella, la especialidad cursada en el bachillerato es irrelevante a la hora de explicar el rendimiento académico tanto del primer año como del resto de cursos.

A fin de verificar dichas hipótesis, este trabajo se ha estructurado del siguiente modo: en primer lugar, se detalla la metodología de análisis empleada, incluyendo tanto una descripción de la muestra como de los instrumentos estadísticos empleados en el análisis; a continuación, se describen los resultados obtenidos, que son interpretados y comparados


137


con los alcanzados en investigaciones previas; finalmente se analizan las limitaciones del trabajo. Se ha adoptado una metodología de investigación cuantitativa, con un diseño no experimental-predictivo, y desarrollada en cuatro fases sucesivas: (i) identificación de las variables más relevantes a efectos de explicar el rendimiento académico de los estudiantes universitarios, (ii) obtención de la información, (iii) análisis exploratorio de los datos y (iv) análisis estadístico mediante modelos de regresión lineal múltiple adaptados a las peculiaridades de la información disponible, a fin de tratar con los problemas detectados durante la tercera fase. En tanto que se ha optado por trabajar con modelos de regresión, la verificación de las hipótesis planteadas se hará en base a los contrastes de significación individual de cada uno de los estimadores del modelo. Por último, debemos destacar que estamos ante el estudio de un caso, ligado el perfil específico de estudiantes de la Universidad Pontificia Comillas, cuyos datos se han obtenido de la Base de Datos de Gestión Académica de dicha universidad.

Muestra

La muestra empleada en este trabajo está formada por todos los alumnos de siete titulaciones diferentes, que accedieron a la Universidad Pontificia Comillas entre los cursos 2012-2013 y 2017-2018. Únicamente se eliminaron aquellos alumnos para los que no estaba disponible toda la información requerida por el modelo, así como ocho alumnos procedentes de la especialidad de “Artes” en bachillerato, pues dado su reducido tamaño, podría generar problemas en la estimación. Finalmente, la muestra engloba más del 90% de todos los alumnos que cursaron los distintos grados en el periodo indicado.

Las titulaciones seleccionadas son aquellas que, de algún modo, guardan relación con el área de economía y empresa: Administración y Dirección de Empresas (E-2), Administración y Dirección de Empresas Bilingüe en inglés (E-2 Bil), Administración y Dirección de Empresas con Mención Internacional (E-4), Administración y Dirección de Empresas y Relaciones Internacionales (E-6), y Administración y Dirección de Empresas y Derecho (E-3). Adicionalmente, se ha decidido incorporar el


138


grado en Derecho (E-1)1 y el grado en Derecho y Relaciones Internacionales (E-5), ya que resulta de interés evaluar si los posibles efectos detectados también aparecen en titulaciones con carga matemática muy limitada o sin ella. La tabla 1 muestra las principales características de la muestra, indicando el número de estudiantes en cada titulación, el porcentaje de mujeres y el porcentaje de alumnos que han cursado un bachillerato de ciencias. Adicionalmente, se incluye la nota media, tanto para el primer curso como para la titulación completa, así como la desviación típica. Se ha incluido también la nota en las pruebas de acceso a la universidad, EvAU. En todos los casos, los datos, completamente anonimizados, han sido proporcionados por la Universidad Pontificia Comillas.

TABLA 1. Muestras empleadas en el análisis

Nota en el primer curso Nota en el grado

Muestra% Muje-

res%B. Cien-

ciasMuestra

% Muje-res

%B. Cien-cias

E2 (ADE) 606 50% 32% 326 51% 33%

E2Bil (ADE Bilingüe) 236 60% 34% 90 61% 36%

E3 (ADE y Dere-cho)

1106 48% 29% 351 53% 28%

E4 (ADE Internac.) 296 61% 41% 169 66% 45%

E6 (ADE y R.I.) 469 68% 34% 56 71% 46%

E1 (Derecho) 408 64% 12% 232 65% 13%

E5 (Derecho y R.I.) 291 69% 16% 63 71% 13%

Total 3412 57% 29% 1287 59% 29%

Nota media (desvia-ción típica)

7.01 (1.09) 7.27 (0.85)

Nota EvAU (desvia-ción típica)

8.21 (0.89) 8.13 (0.89)

Fuente: elaboración propia

(1) Se han agrupado en esta categoría (E1) todos los estudios de derecho, con independencia de la especialidad (diploma/mención concedido por la universidad según una serie de asignaturas adicionales).


139


Procedimiento metodológico

Se ha utilizado el entorno de programación R (Proyecto R para análisis estadísticos, http://www.r-project.org) para manejar la base de datos y elaborar los modelos correspondientes. La estimación de los modelos se llevó a cabo empleando las funciones básicas incluidas en dicho entorno de programación (R Core Team, 2013) y los paquetes “RCurl” (Lang y CRAN team, 2019) y “car” (Fox y Weisberg, 2019). A fin de determinar la significatividad de las variables, se ha considerado un nivel de confianza de 0.995. Esta elección se debe a la recomendación de 72 académicos en un reciente artículo publicado en Nature Human Behaviour (Benjamin et al., 2018), que proponen “to change the default P-value threshold for statistical significance for claims of new discoveries from 0.05 to 0.005”, a fin de mejorar la replicabilidad en investigación. En este estudio se ha adoptado dicho enfoque, exigiendo que las variables del modelo de regresión superen dicho umbral para considerarlas como estadísticamente significativas.

Se detectó que la presencia de datos atípicos, esto es, alumnos que abandonaron sus estudios durante el primer año con notas medias muy bajas, genera heterocedasticidad. Se ha comprobado que esta no puede corregirse con transformaciones, con los consiguientes problemas de inferencia sobre el modelo. Por esta razón, se han utilizado métodos de regresión lineal múltiple con desviaciones típicas robustas a la heterocedasticidad. Por otra parte, se detectó un problema de multicolinealidad imperfecta grave como consecuencia de incorporar la interacción de la nota de acceso y la especialidad en bachillerato, generándose factores de inflación de la varianza (FIV) muy elevados. Por esta razón se ha decidido llevar a cabo una tipificación de todas las variables numéricas, tanto dependientes como independientes, lo que genera la ventaja adicional de obtener estimadores directamente comparables. Esta tipificación se ha realizado por titulación, restando la media y dividiendo por la desviación típica dentro de cada grado. Tras esta transformación, el problema desaparece, obteniéndose FIV muy inferiores a 10, tal y como se comenta en la sección de resultados. Por otra parte, a efectos de selección de variables, se ha optado por la estrategia de eliminación hacia atrás (Backward Stepwise Selection), ya que se dispone de una muestra suficientemente amplia como para incorporar en la etapa inicial todos los predictores. Como es habitual, el


140


criterio de parada en el proceso de eliminación es la obtención de un AIC mínimo. En este sentido debemos indicar que, debido al elevado nivel de exigencia marcado para considerar significativas las variables (p-valor inferior a 0.005, según las recomendaciones de Benjamin et al., 2018), en los modelos óptimos según el criterio de mínimo AIC aparecen variables no significativas, que en muchos casos sí lo serían sin hubiésemos utilizado el umbral habitual de 0.05.

Variables

Como variables dependientes se ha utilizado la nota media ponderada por créditos, tanto del primer curso como del resto de ellos. Respecto a la primera variable, el cálculo es simple y no es necesario realizar ajuste alguno. En lo que se refiere a la segunda, hemos seleccionado solo a aquellos alumnos que han finalizado sus estudios, lo que reduce sensiblemente el tamaño muestral, ya que muchos estudiantes aun no los han completado debido a los cursos considerados.

Respecto a las variables independientes, se han incluido tanto la nota en las pruebas de acceso a la universidad, y que incluye la nota del examen de EvAU y la media de bachillerato (NotaEVAU), como los resultados en tres pruebas de admisión propias que lleva a cabo la Universidad Pontificia Comillas y que evalúan los conocimientos en matemáticas (PMatematicas), lengua española (PLEspañola) e inglés (PInglés). Estas pruebas son desarrolladas específicamente para la universidad por empresas especializadas, y, de forma adicional, periódicamente se evalúa su fiabilidad con una auditoría independiente llevada a cabo por los propios profesores de Comillas. La última de estas auditorías, que se desarrolló en el curso 2018-2019, fue liderada por uno de los autores del presente trabajo. La elección específica de estas tres pruebas responde a que, como se ha mencionado en la introducción, la literatura académica identifica específicamente las habilidades matemáticas y, en menor medida, las lingüísticas, como buenos predictores del rendimiento académico en la universidad..

Del mismo modo, se han incorporado: el género del estudiante (Género), como una variable binaria que toma el valor 1 para mujeres y 0 para hombres; si el estudiante procede de un centro de enseñanza secundaria de Madrid (Madrid), como una variable binaria que toma el


141


valor 1 si el centro pertenece a dicha Comunidad y 0 en caso contrario; la especialidad en el bachillerato (EBachillerato), que toma el valor 1 para bachillerato de ciencias y 0 para bachillerato de humanidades y ciencias sociales; y la interacción de esta última variable con la nota de EvAU (Interacción EVAU-EB). La razón para incluir esta interacción es que existe cierta evidencia de que el efecto de la nota en EvAU sobre el rendimiento en la universidad es diferente según la especialidad cursada en bachillerato, como mencionábamos en la introducción.

Resultados

A continuación, se muestran los resultados de las distintas regresiones para cada titulación, en primer lugar para el primer año de la titulación, y a continuación para la totalidad del grado. En todos los casos se indica el estadístico F y su p-valor, el R2 corregido, el AIC (criterio de información de Akaike) y el mayor FIV obtenido en todas las variables independientes.

Resultados en el primer curso de la titulación

En todas las titulaciones con mayor carga matemática, es decir, aquellas que incluyen el grado en ADE con o sin un segundo grado (Tabla 2), observamos que la nota en las pruebas de acceso a la universidad es significativa y positiva y, de hecho, es el predictor con mayor efecto en el modelo. Las puntaciones obtenidas en las pruebas propias de acceso de matemáticas presentan una relación significativa en la doble titulación de E3, mientras que las de inglés solo parecen relevantes en el caso de ADE Bilingüe y E6. El lugar del centro de enseñanza secundaria de procedencia también resulta significativo en cuatro de las cinco titulaciones, de modo que los estudiantes procedentes de Madrid obtienen mejores resultados que aquellos que provienen de otras provincias, salvo para el caso de ADE Bilingüe. Respecto al género, solo parece tener efecto en la titulación de ADE.

En lo que se refiere a la especialidad de bachillerato, podemos considerar que se verifica la hipótesis 1: los estudiantes procedentes del bachillerato científico obtienen mejores resultados que sus compañeros procedentes de humanidades y ciencias sociales, pues la variable


142


correspondiente resulta significativa y positiva en cuatro de las cinco titulaciones2. Sin embargo, resulta interesante que para el caso de ADE la interacción entre la nota EVAU y la especialidad de bachillerato resulta significativa y negativa. En el apartado de discusión se analizarán las implicaciones de este efecto.

TABLA 2. Resultados de los modelos de regresión para las titulaciones con mayor carga matemática, usando como variable dependiente la nota en el primer curso (en negrita las variables significativas al 99.5%)

E2 (ADE) E2Bil (ADE Bilingüe) E3 (ADE y Derecho) E4 (ADE Internac.) E6 (ADE y R.I.)Coef. Est. t P-valor Coef. Est. t P-valor Coef. Est. t P-valor Coef. Est. t P-valor Coef. Est. t P-valor

Constante -0.44 -4.91 1.2E-06 -0.16 -2.13 3.4E-02 -0.43 -7.38 3.2E-13 -0.39 -2.78 5.8E-03 -0.37 -4.26 2.4E-05Género 0.19 2.83 4.8E-03 PMatematicas 0.09 2.43 1.5E-02 0.09 3.59 3.5E-04 0.13 2.79 5.6E-03 0.11 2.72 6.8E-03PLEspañola 0.06 2.30 2.1E-02 PInglés -0.07 -1.84 6.7E-02 0.14 3.38 8.4E-04 0.14 3.02 2.7E-03NotaEvAU 0.62 14.83 < 2E-16 0.56 10.56 < 2E-16 0.66 20.02 < 2E-16 0.51 7.27 3.5E-12 0.58 14.25 < 2E-16 NotaEvAU^2 0.07 2.77 5.8E-03 0.05 1.43 1.5E-01Madrid 0.33 3.86 1.3E-04 0.47 8.60 < 2E-16 0.37 2.96 3.3E-03 0.32 3.81 1.6E-04EBachillerato 0.30 4.35 1.6E-05 0.47 4.44 1.4E-05 0.20 3.66 2.6E-04 0.26 2.72 7.0E-03 0.31 3.70 2.4E-04InteracciónEvAU-EB -0.23 -3.38 7.7E-04 -0.10 -1.97 4.9E-02

Estadístico F (p-valor)

39.67 (< 2E-

16)

43.52 (< 2E-

16)

105.9 (< 2E-16)

19.21 (4.86E-14)

49.02 (< 2E-

16)R2 corregido 0.322 0.331 0.386 0.317 0.394AIC 1492 580.8 2610 734.1 1105Máximo FIV 1.609 1.028 1.825 1.26 1.24


Respecto a las titulaciones sin carga matemática (Tabla 3), la nota en las pruebas de acceso a la universidad es significativa y positiva, y en el caso de Derecho, queda reforzada por un efecto cuadrático. Por otra parte, el lugar del centro de enseñanza secundaria de procedencia también resulta significativo en ambos grados. Sin embargo, en el caso

(2) Dado que la hipótesis planteada está asociada a un contraste unilateral por la derecha, mientras que los contrastes de significación individual que se muestran en la tabla son bilaterales, también se verificaría la hipótesis para este grado si consideramos dicho contraste unilateral, pues el p-valor sería la mitad del indicado.


143


de la especialidad cursada en bachillerato, mientras que en Derecho observamos un comportamiento acorde a lo esperado, es decir, sin efecto significativo, en el doble grado Derecho y Relaciones Internacionales la especialidad de ciencias sí genera un efecto positivo y significativo. Este resultado no parece justificado por el contenido de las materias, pues en el primer curso únicamente encontramos una asignatura de carácter económico.

TABLA 3. Resultados de los modelos de regresión para las titulaciones sin carga matemática, usando como variable dependiente la nota en el primer curso (en negrita las variables significativas al 99.5%)

E1 (Derecho) E5 (Derecho y R.I.)

Coef. Est. t P-valor Coef. Est. t P-valor

Constante -0.28 -3.78 1.8E-04 -0.15 -1.34 1.8E-01

Género -0.26 -2.50 1.3E-02

PMatematicas

PLEspañola 0.11 2.29 2.3E-02

PInglés

NotaEvAU 0.55 12.71 < 2E-16 0.58 8.91 < 2E-16

NotaEvAU^2 0.11 3.42 7.0E-04

Madrid 0.30 3.30 1.1E-03 0.48 4.48 1.1E-05

EBachillerato 0.51 4.78 2.8E-06

InteracciónEvAU-EB

Estadístico F (p-valor)67.19 (< 2E-16)

20.77 (< 2E-16)

R2 corregido 0.273 0.391

AIC 1034 689.4

Máximo FIV 1.102 1.135


Resultados en toda la titulación

Considerando la nota a lo largo de toda la titulación, en las titulaciones con mayor carga matemática (Tabla 4) se observa que la nota en las pruebas de


144


acceso a la universidad (EvAU) continúa siendo una variable significativa en todas ellas y que, adicionalmente, aparece un efecto cuadrático en dos de los grados, lo que refuerza el efecto positivo de las puntuaciones elevadas. Respecto al efecto de la especialidad de ciencias en bachillerato, este desaparece al considerar la titulación completa salvo para los estudios de ADE Bilingüe. Es decir, tal y como se planteaba en la hipótesis 2, la ventaja que confiere dicha especialidad en el primer curso se desvanece al considerar la titulación en su conjunto, salvo en el caso mencionado.

TABLA 4. Resultados de los modelos de regresión para las titulaciones con mayor carga matemática, usando como variable dependiente la nota en toda la titulación (en negrita las variables significativas al 99.5%)

E2 (ADE) E2Bil (ADE Bilingüe) E3 (ADE y Derecho) E4 (ADE Internac.) E6 (ADE y R.I.)

Coef. Est. tP-

valorCoef. Est. t P-valor Coef. Est. t P-valor Coef. Est. t P-valor Coef.

Est. t

P-valor

Constante -0.70 -4.861.9E-

06-1.03 -4.85 5.7E-06 -0.48 -6.13 2.4E-09 -0.25 -2.60 1.0E-02 -0.47 -2.23 3.0E-02

Género 0.39 4.075.9E-

05 0.18 2.08 3.8E-02

PMatematicas 0.09 1.92 5.5E-02 0.17 4.08 5.6E-05 PLEspañola 0.25 4.03 8.7E-05

PInglés -0.11 -2.20 2.9E-02 0.12 1.46 1.5E-01 0.20 2.96 3.6E-03 0.30 3.00 4.2E-03

NotaEvAU 0.50 8.86< 2E-

160.57 5.88 8.3E-08 0.67 13.59 < 2E-16 0.57 8.66 4.5E-15 0.52 4.32 7.2E-05

NotaEvAU^2 0.07 1.72 8.7E-02 0.24 3.43 9.5E-04 0.09 2.42 1.6E-02 0.16 3.21 1.6E-03

Madrid 0.47 3.742.2E-

040.86 4.44 2.8E-05 0.51 6.02 4.6E-09 0.51 2.25 2.9E-02

EBachillerato 0.25 2.29 2.2E-02 0.60 2.99 3.7E-03 0.21 1.82 7.0E-02 0.39 1.83 7.3E-02InteracciónEvAU-EB 0.29 1.30 2.0E-01

Estadístico F (p-valor)

18.46 (<

2.2E-16)

16.74 (1.47E-

12)

54.63 (<

2.2E-16)

43.98 (<

2.2E-16)

9.621 (7.10E-

06)

R2 corregido 0.324 0.452 0.41 0.48 0.39AIC 807.4 210.1 818.6 377 137.6

Máximo FIV 1.12 1.779 1.454 1.60 1.11


Respecto a las dos titulaciones sin carga matemática, los resultados también coinciden con lo esperado, pues la especialidad en bachillerato


145


no resulta significativa ni en Derecho ni en el doble grado en Derecho y Relaciones Internacionales (Tabla 5).

TABLA 5. Resultados de los modelos de regresión para las titulaciones sin carga matemática, usando como variable dependiente la nota en toda la titulación (en negrita las variables significativas al 99.5%)

E1 (Derecho) E5 (Derecho y R.I.)

Coef. Est. t P-valor Coef. Est. t P-valor

Constante -0.34 -3.25 1.4E-03 -0.16 -1.14 2.6E-01

Género

PMatematicas 0.26 2.59 1.2E-02

PLEspañola 0.11 1.56 1.2E-01

PInglés

NotaEvAU 0.46 7.90 1.2E-13 0.50 5.98 1.4E-07

NotaEvAU^2 0.10 2.10 3.7E-02

Madrid 0.36 2.73 6.8E-03 0.46 2.45 1.7E-02

EBachillerato 0.38 2.52 1.2E-02

InteracciónEvAU-EB

Estadístico F (p-valor)19.66

(2.98E-16)

22.04 (1.07E-

09)

R2 corregido 0.225 0.384

AIC 604.3 154.1

Máximo FIV 1.179 1.201


Discusión y Conclusiones

En lo que se refiere a las variables de control, en línea con lo planteado por Beltrán y La Serna (2008) y Tejedor (2003) respecto al efecto negativo del cambio de residencia, este trabajo efectivamente ha detectado que, en general, los alumnos procedentes de un centro de enseñanza secundaria en Madrid obtienen notas superiores a los que provienen de otras provincias. Este efecto se produce principalmente en el primer curso


146


(seis de las siete titulaciones), mientras que si consideramos la titulación en su conjunto únicamente aparece en tres de los siete grados analizados. Si consideramos la titulación en su conjunto, y centrándonos en los cinco grados con mayor carga matemática, el efecto no es significativo en aquellas titulaciones que tienen un enfoque más internacional, como son E4 (ADE internacional) y E6 (ADE + Relaciones Internacionales), y sí resulta relevante en las otras tres.

Respecto al rendimiento por género, no parecen existir diferencias salvo en el caso de ADE, tanto en el primer curso como al considerar la titulación en su conjunto, en donde las mujeres presentan un rendimiento superior. Centrándonos en el grado en ADE, si comparamos este resultado con la literatura previa, vemos que coincide con los de Mercado y Niño (2012) y Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez y Martín (2010). Respecto a otros trabajos, que también encuentran este rendimiento superior en asignaturas concretas (Martí-Ballester, 2012; Durán, Maside, Rodeiro y Cantorna, 2016), en tanto que el modelo desarrollado en este trabajo considera la nota media en todas las asignaturas, nuestros resultados no pueden confirmar o refutar sus conclusiones. Si tomamos en consideración lo anterior junto al hecho de que en el resto de titulaciones no parece tratarse de un factor relevante, se pone en evidencia la necesidad de más investigación a este respecto. No era el objetivo de este trabajo analizar el efecto del género en el rendimiento académico en grados relacionados con ADE, y dicha variable fue incorporada a efectos de control, pero el resultado obtenido pone de manifiesto estamos ante un tema que requiere atención.

En relación al rendimiento académico previo a la universidad, en todos los casos3 la nota en las pruebas de acceso (EvAU) es la variable más relevante a la hora de explicar el rendimiento académico, tanto en el primer curso como si consideramos la titulación completa, algo que coincide con la literatura académica previa que apunta a la relevancia de este factor (García-Diez, 2000; McKenzie y Schweitzer, 2001; Tejedor, 2003; Garbanzo, 2007; Richardson, Abraham y Bond, 2012). Por otra parte, las puntaciones obtenidas en las pruebas propias de acceso de matemáticas muestran una relación significativa en la doble titulación de E3. Estudios previos como los de Tourón (1984), Beltrán y La Serna

(3) La única excepción es ADE bilingüe, titulación en la que, al considerar la titulación en su conjunto, la provincia del instituto/colegio de procedencia es la variable con mayor influencia.


147


(2008) y Barahona (2014) apuntaban a que el nivel matemático previo era un predictor relevante del rendimiento académico en la universidad, algo que, sin embargo, no hemos detectado en este trabajo salvo para una titulación. Respecto a la prueba de inglés, resulta significativa en el primer curso de ADE Bilingüe y E6, y en E4 y E6 cuando consideramos la titulación en su conjunto. Estos resultados, dadas las características de las distintas titulaciones, parecen razonablemente coherentes con lo que cabría esperar a priori. La ventaja que confiere un buen nivel de entrada en E2 Bilingüe resulta obvia. El hecho de que también lo sea en E4 y E6, grados con una orientación claramente internacional, también parece razonable. En todo caso, podemos concluir que el rendimiento medio total (medido por la nota de EvAU) es más relevante que las competencias específicas en matemáticas, lengua e inglés (medido por las pruebas individuales de ICADE).

Respecto a la especialidad en bachillerato, objeto del presente estudio, podemos confirmar la primera hipótesis: en las titulaciones con mayor carga matemática (E2, E2 Bilingüe, E3, E4 y E6), los alumnos que cursaron un bachillerato de ciencias muestran un rendimiento académico superior el primer año. Hay, no obstante, dos matices a considerar. Por una parte, en E4 (ADE Internacional), el umbral de aceptación se alcanzaría únicamente si consideramos un contraste unilateral. Por otra, en el grado en ADE (E2), aparece una interacción entre la nota de acceso y la especialidad de ciencias que resulta significativa y negativa el primer año. Esto implica que la pendiente para EvAU es menor en los alumnos procedentes de un bachillerato de ciencias, produciéndose el corte con respecto a sus compañeros de ciencias sociales para un valor de 1.3. Dado que las variables están tipificadas, esto significa que el rendimiento de los alumnos procedentes de un bachillerato de ciencias es superior siempre que la nota de EvAU sea inferior a 8.7, mientras que si dicha nota es superior, entonces son los alumnos procedentes de humanidades y ciencias sociales los que logran mejores resultados4.

Se trata de un efecto interesante y que sería necesario analizar en profundidad en futuras investigaciones. En el momento actual únicamente podemos aventurar un posible efecto motivacional, en el sentido de que

(4) Debe tenerse en consideración que la variable “Especialidad en Bachillerato” es positiva y significativa, por lo que, además de la pendiente, también se modifica la ordenada en el origen. Como consecuencia el punto de corte no se produce en el valor medio, sino en una nota de EvAU de 8.7.


148


los alumnos procedentes de humanidades y ciencias sociales presenten una mayor vocación por esta titulación. Es decir, alumnos con elevadas notas de EvAU procedentes de humanidades y ciencias sociales tienen una mayor motivación por el grado que otros estudiantes, también con elevadas notas de EvAU, pero procedentes de un bachillerato de ciencias, lo que redunda en un mayor rendimiento. Sin embargo, de ser así, observaríamos este efecto también en el resto de grados, algo que no sucede, y esta es la razón por la que consideramos necesario llevar a cabo más investigación a este respecto, para hallar una posible explicación. Por otra parte, la especialidad en bachillerato no parece tener influencia en Derecho, titulación que carece de materias cuantitativas, ni en el primer curso ni en la titulación en su conjunto.

En lo que se refiere a la segunda hipótesis, también podemos confirmarla parcialmente: en las titulaciones con mayor carga matemática (E2, E2 Bilingüe, E3, E4 y E6), los alumnos que cursaron un bachillerato de ciencias muestran un rendimiento académico similar al de estudiantes que cursaron la especialidad de humanidades y ciencias sociales cuando se considera la titulación completa. Esta hipótesis se verifica en cuatro de las cinco titulaciones, encontrando una excepción en E2 Bilingüe.

Finalmente, respecto a la hipótesis 3, también parece confirmarse parcialmente: en las titulaciones sin carga matemática o con carga muy limitada (E1 y E5), la especialidad cursada en el bachillerato es irrelevante a la hora de explicar el rendimiento académico tanto del primer año como del resto de cursos. De nuevo encontramos una excepción en el primer curso de Derecho y Relaciones Internacionales, donde haber cursado un bachillerato de ciencias sí implica un mejor rendimiento académico.

Respecto a las limitaciones de este trabajo, en primer lugar, no se ha encontrado explicación al hecho de que la interacción entre la nota de acceso y especialidad de ciencias sea significativa y negativa en el primer curso del grado en ADE. Dado el tamaño de la muestra correspondiente, 606 alumnos de 6 promociones distintas, no parece que este efecto se deba a sesgos muestrales, y, de hecho, tampoco es un efecto que sea posible explicar en base a los resultados de investigaciones previas. En segundo lugar, el hecho de que haber cursado un bachillerato de ciencias tenga un efecto positivo y significativo en el primer curso de Derecho y Relaciones Internacionales, y en toda la titulación del grado en ADE Bilingüe, no coincide con las hipótesis de partida, y además no es fácilmente explicable ni en base al corpus teórico existente, ni al análisis de los contenidos de


149


cada una de dichas titulaciones. Las mencionadas titulaciones no tienen una carga matemática superior a otras de las consideradas en la muestra, y de hecho, en el grado de Derecho y Relaciones Internacionales dicha carga es prácticamente inexistente. Es necesario llevar a cabo más investigación a este respecto para profundizar en las posibles causas, quizá llevando a cabo un análisis similar al desarrollado en este trabajo, pero distinguiendo entre distintas tipologías de asignaturas. De este modo podría comprobarse si el efecto se circunscribe a determinadas materias, que son las que provocan la desviación en la nota media. Por último, y entrando en los aspectos metodológicos, el hecho de que la muestra corresponda a una única universidad, así como las características propias de la misma, limita la validez externa del análisis. Nuestras conclusiones pueden no ser directamente generalizables a los mismos grados en otras universidades, en tanto que el perfil sociodemográfico de los estudiantes de la Universidad Pontificia Comillas no es representativo de la población estudiantil española en general. Por esta razón, consideramos que los resultados obtenidos en este trabajo deberían ser verificados o refutados por trabajos similares en otras universidades.

Agradecimientos

Los autores agradecen a la Universidad Pontificia Comillas su colaboración en la obtención de los datos necesarios para llevar a cabo esta investigación. Así mismo, agradecen a la Profesora Susana Carabias su ayuda con algunos aspectos técnicos del manuscrito, así como los comentarios de dos evaluadores anónimos cuyas aportaciones han contribuido a mejorar sustancialmente el documento final.

Referencias bibliográficas

Arias, J. J., y Walker, D. M. (2004). Additional evidence on the relationship between class size and student performance. The Journal of Economic Education, 35(4), 311-329. doi: https://doi.org/10.3200/JECE.35.4.311-329


150


Ballard, C. L., y Johnson, M. F. (2004). Basic math skills and performance in an introductory economics class. The Journal of Economic Education, 35(1), 3-23. doi: https://doi.org/10.3200/JECE.35.1.3-23

Barahona, P. (2014). Factores determinantes del rendimiento académico de los estudiantes de la Universidad de Atacama. Estudios pedagógicos (Valdivia), 40(1), 25-39. doi: http://dx.doi.org/10.4067/S0718-07052014000100002

Beltrán, A., y La Serna, K. (2008). ¿Qué explica el rendimiento académico en el primer año de estudios universitarios? Un estudio de caso en la Universidad del Pacífico. Documento de discusión, DD/08/09

Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., ... & Cesarini, D. (2018). Redefine statistical significance. Nature Human Behaviour, 2(1), 6-10. doi: https://doi.org/10.1038/s41562-017-0189-z

Borland, M. V., Howsen, R. M., y Trawick, M. W. (2005). An investigation of the effect of class size on student academic achievement. Education Economics, 13(1), 73-83. doi: https://doi.org/10.1080/0964529042000325216

Cansino, J. M., Román, R., y Expósito, A. (2018). Does Student Proactivity Guarantee Positive Academic Results? Education Sciences, 8(2), 62. doi:https://doi.org/10.3390/educsci8020062

Castellanos, L., González, C., González, A., y Manzano, I. (1998). Las matemáticas empresariales: estudio de los factores determinantes del rendimiento académico. En VI Jornadas de la Asociación Española de Profesores Universitarios de Matemáticas para la Economía y la Empresa (ASEPUMA). Recuperado de http://www.asepuma.org/VI/vi.htm

Castro, R. B., Fernández, P., y Martín, V (2015). Análisis de la tasa de rendimiento de la educación superior en España. Revista de educación, 370, 96-120. doi: 10.4438/1988-592X-RE-2015-370-299

Conijn, R., Snijders, C., Kleingeld, A., y Matzat, U. (2016). Predicting student performance from LMS data: A comparison of 17 blended courses using Moodle LMS. IEEE Transactions on Learning Technologies, 10(1), 17-29. doi: https://doi.org/10.1109/TLT.2016.2616312

Credé, M., Roch, S. G., y Kieszczynka, U. M. (2010). Class attendance in college: A meta-analytic review of the relationship of class attendance with grades and student characteristics. Review of Educational Research, 80(2), 272-295. doi: https://doi.org/10.3102/0034654310362998


151


Dávila, N., García-Artiles, M., Pérez-Sánchez, J. M., y Gómez-Déniz, E. (2015). Un modelo de regresión logística asimétrico que puede explicar la probabilidad de éxito en el rendimiento académico. Revista de Investigación Educativa, 33(1), 27-45. doi: https://doi.org/10.6018/rie.33.1.178481

Di Gresia, L. M., Porto, A., y Ripani, L. (2002). Rendimiento de los estudiantes de las universidades públicas argentinas. Documentos de Trabajo. Recuperado de http://www.depeco.econo.unlp.edu.ar/wp/wp-content/uploads/2017/05/doc45.pdf

Didia, D., y Hasnat, B. (1998). The determinants of performance in the university introductory finance course. Financial Practice and Education, 8, 102-107.

Durán, P., Maside, J. M., Rodeiro, D., y Cantorna, S. (2016). Determinantes del rendimiento académico del alumnado de una asignatura de Contabilidad: el caso de la USC. REDU: Revista de Docencia Universitaria, 14(1), 151-178.

Escudero, T. E. (1987). Buscando una mejor selección de universitarios. Revista de educación, (283), 249-283.

Etxeberria, P., Alberdi, E., Eguia, I., y García, M. (2017). Análisis del rendimiento académico en relación al perfil de ingreso del alumnado e identificación de carencias formativas en materias básicas de dos grados de Ingeniería. Formación universitaria, 10(4), 67-74.

Fenollar, P., Román, S., y Cuestas, P. J. (2007). University students’ academic performance: An integrative conceptual framework and empirical analysis. British Journal of Educational Psychology, 77(4), 873-891. doi: https://doi.org/10.1348/000709907X189118

Fox J., y Weisberg, S. (2019). An {R} Companion to Applied Regression, Third Edition. Thousand Oaks CA: Sage. URL: https://socialsciences.mcmaster.ca/jfox/Books/Companion/

Garbanzo, G. M. (2007). Factores asociados al rendimiento académico en estudiantes universitarios, una reflexión desde la calidad de la educación superior pública. Revista educación, 31(1), 43-63. doi: http://dx.doi.org/10.15517/REVEDU.V31I1.1252

García-Diez, M. (2000). The effects of curriculum reform on economics education in a Spanish college. Education Economics, 8(1), 5-15. doi: https://doi.org/10.1080/096452900110274

García-Merino, J. D., Urionabarrenetxea, S., y Bañales-Mallo, A. (2016). Cambios en metodologías docentes y de evaluación:¿ Mejoran el


152


rendimiento del alumnado universitario?. Revista electrónica de investigación educativa, 18(3), 1-18.

Gašević, D., Dawson, S., Rogers, T., y Gasevic, D. (2016). Learning analytics should not promote one size fits all: The effects of instructional conditions in predicting academic success. The Internet and Higher Education, 28, 68-84. doi: https://doi.org/10.1016/j.iheduc.2015.10.002

Girón, L., y González, D. E. (2005). Determinantes del rendimiento académico y la deserción estudiantil, en el programa de economía de la Pontificia Universidad Javeriana de Cali1. Revista Economía, Gestión y Desarrollo, 3, 173-201.

Harbury, C. D., y Szreter, R. (1968). The influence upon university performance of the study of economics at school. Journal of the Royal Statistical Society: Series A (General), 131(3), 384-409.

Martí-Ballester, C. P. (2012). Analysis of the factors that influence the academic performance of financial accounting students using binary choice models. Review of Business Management, 14(45), 379-399. https://doi.org/10.7819/rbgn.v14i45.1080

Martí-Ballester, C. P. (2019). Factors that Influence Academic Performance: Analyzing Gender Differences in Accounting Students. Revista Educación, 43(2), 31-48. http://dx.doi.org/10.15517/revedu.v43i2.28916

Martínez de Ibarreta, C., Rua, A., Redondo, R., Fabra, M. E., Nuñez, A., y Martín, M. J. (2010). Influencia del nivel educativo de los padres en el rendimiento académico de los estudiantes de la ADE. Un enfoque de género. En M. J. Mancebón Torrubia, D. Pérez Ximénez de Embún, J. M. Gómez Sancho y G. Giménez Esteban (Coords.), Investigaciones de Economía de la Educación Número 5 (1273-1296). AEDE, Asociación de Economía de la Educación.

McKenzie, K. y Schweitzer, R. (2001). Who succeeds at university? Factors predicting academic performance in first year Australian university students. Higher education research & development, 20(1), 21-33. doi: https://doi.org/10.1080/07924360120043621

Mercado, T. M., y Niño, C. G. (2012). Factores académicos y personales asociados al rendimiento académico de los estudiantes del programa de administración de empresas de la Universidad de Sucre. Zona próxima, 16, 54-67.


153


Montero, E., Villalobos, J. y Valverde, A. (2007). Factores institucionales, pedagógicos, psicosociales y sociodemográficos asociados al rendimiento académico en la Universidad de Costa Rica: Un análisis multinivel. RELIEVE-Revista Electrónica de Investigación y Evaluación Educativa, 13(2), 215-234.

Muthukrishnan, S. M., Govindasamy, M. K., y Mustapha, M. N. (2017). Systematic mapping review on student’s performance analysis using big data predictive model. Journal of Fundamental and Applied Sciences, 9(4S), 730-758.

R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: http://www.R-project.org/

Richardson, M., Abraham, C. y Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological bulletin, 138(2), 353. doi: http://dx.doi.org/10.1037/a0026838

Schneider, M. y Preckel, F. (2017). Variables associated with achievement in higher education: A systematic review of meta-analyses. Psychological bulletin, 143(6), 565-600. doi: http://dx.doi.org/10.1037/bul0000098

Simón, H. J., Casado, J. M., Castejón, J. L., Driha, O. M. y Martínez, L. (2018). Efecto del tipo de alojamiento y el tiempo de desplazamiento sobre el rendimiento académico del alumnado universitario. En Memorias del Programa de Redes-I3CE de calidad, innovación e investigación en docencia universitaria: Convocatoria 2017-18 (1849-1855 pp.). Instituto de Ciencias de la Educación.

Tejedor, F. J. (2003). Poder explicativo de algunos determinantes del rendimiento en los estudios universitarios. Revista española de pedagogía, 224, 5-32.

Lang, D. T. y CRAN team (2019). Package ‘RCurl’. URL http://www.omegahat.net/RCurl

Thakar, P., Mehta, A. y Manisha (2015). Performance Analysis and Prediction in Educational Data Mining: A Research Travelogue. International Journal of Computer Applications, 110(15), 60-68.

Touron, J. (1984). Factores del rendimiento académico en la universidad. Pamplona: Ediciones Universidad de Navarra S.A.

Tourón, J. (1985). La predicción del rendimiento académico: procedimientos, resultados e implicaciones. Revista Española de Pedagogía, 43(169-170), 473-496


154


Widyahastuti, F., y Tjhin, V. U. (2018). Performance Prediction in Online Discussion Forum: state-of-the-art and comparative analysis. Procedia Computer Science, 135, 302-314. doi: https://doi.org/10.1016/j.procs.2018.08.178

Información de contacto: José Luís Arroyo-Barrigüete. Universidad Pontificia Comillas, Facultad de CC. Económicas y Empresariales, Departamento de Métodos Cuantitativos. E-mail: [email protected].

Revista de Educación, 390. October-December 2020, pp. 125-148Received: 07-11-2019 Accepted: 17-07-2020

125

Predictors of performance in Business Administration degrees: the effect of the high-school specialty

Predictores del rendimiento académico en las titulaciones de Administración y Dirección de Empresas: el efecto de la

especialidad en bachillerato

DOI: 10.4438/1988-592X-RE-2020-390-468

José Luis Arroyo-BarrigüeteUniversidad Pontificia ComillasGregorio TiradoUniversidad Complutense de MadridIgnacio Mahíllo-FernándezFundación Jiménez DíazPedro José RamírezDeutsche Bank

AbstractThis paper analyzes the effect of high school specialty on academic

performance, both in the first year of university and in the degree as a whole, for business related degrees. In order to study this effect, an analysis has been carried out, with data corresponding to seven different degrees and six cohorts of students, who entered the university between the academic years 2012-2013 and 2017-2018, obtaining a final sample of 3412 students. Multiple linear regression models have been adjusted, using the adequate techniques to deal with heteroskedasticity produced by dropouts during the first year, as well as multicollinearity due to interactions. These models, in addition to the variable under study, incorporate as control variables those identified in the previous literature as key predictors of academic performance, and a Backward Stepwise Selection strategy has been used for variable selection. The results indicate


126

Arroyo-Barrigüete, J.L., Tirado, G., Mahíllo-Fernández, I., Ramírez, P.J. Predictors of Performance in Business administration degrees: the effect of the high-school sPecialty

that, in business related degrees, students from science specialty generally obtain better results during the first year than those who studied the specialty of humanities and social sciences. However, when the degree as a whole is analyzed, these differences disappear. Therefore, we conclude that high school specialty in sciences confers an advantage at the beginning of the university studies. It has also been confirmed that, in degrees with hardly any quantitative load, the effect of the specialty in high school is not a relevant variable to explain academic performance at the university, that is, results are similar regardless of the specialty of origin.

Keywords: High school specialty, academic performance, higher education, business degree, business related degrees.

ResumenEl presente artículo analiza el efecto de la especialidad cursada en bachillerato

sobre el rendimiento académico, tanto en el primer año de universidad como en la titulación en su conjunto, para grados relacionados con Administración y Dirección de Empresas (ADE). A fin de estudiar dicho efecto, se ha llevado a cabo un análisis con datos correspondientes a siete titulaciones diferentes y seis cohortes de alumnos, que accedieron a la universidad entre los cursos 2012-2013 y 2017-2018, obteniéndose una muestra final de 3412 alumnos. Se han ajustado distintos modelos de regresión lineal múltiple adaptados a las peculiaridades de los datos, ya que estos presentaban problemas de heterocedasticidad por los abandonos durante el primer curso, así como multicolinealidad debido a la incorporación de interacciones. Dichos modelos, además de la variable objeto de estudio, incorporan como variables de control aquellas que la literatura previa identifica como predictores clave del rendimiento académico, y se ha utilizado una estrategia de eliminación hacia atrás (Backward Stepwise Selection) para la selección de variables. Los resultados indican que, en grados relacionados con ADE, los alumnos procedentes de un bachillerato de ciencias obtienen, en general, mejores resultados durante el primer año que aquellos que cursaron la especialidad de humanidades y ciencias sociales. Sin embargo, cuando se analiza la titulación en su conjunto, dichas diferencias desaparecen. La conclusión, por tanto, es que la especialidad de ciencias en bachillerato confiere, únicamente, una ventaja al inicio de los estudios universitarios. También se ha confirmado que, en titulaciones sin apenas carga cuantitativa, el efecto de la especialidad en bachillerato no es, en general, una variable relevante para explicar el rendimiento académico en la universidad, es decir, que los resultados son similares con independencia de la especialidad de procedencia.

Palabras clave: Especialidad en enseñanza secundaria, rendimiento, estudios universitarios, grado en Administración y Dirección de Empresas, grados relacionados con ADE.


127


Introduction

Academic performance is a difficult concept to define, as there are multiple possible approaches, and as Garbanzo (2007) points out, “[it is problematic and confusing to identify academic performance with grades]” (p. 46). For example, Tejedor (2003) distinguishes between immediate performance, linked to metrics such as average grade, delay in the completion of studies or rate of attendance to exams, and deferred performance, which reflects the usefulness of the training received in working and social life, that is related to human capital theory. An important difficulty regarding the aforementioned theory is that the qualitative nature of human capital makes it necessary to measure it through variables that approximate the elements that intervene in its definition (Castro, Fernández and Martín, 2015). It is not our intention to address this approach, as it exceeds the objectives of this work, and we will focus on immediate performance, where the use of some type of average of the grades obtained is a common practice, since, even though it is an imperfect metric, it can be accepted as a first approximation (Di Gresia, Porto and Ripani, 2002). Several authors complement it with measures such as competences self-assessment and the rate of attendance to exams (García-Merino, Urionabarrenetxea and Bañales-Mallo, 2016), ratios that consider the subjects passed since entry into university (Di Gresia, Porto and Ripani, 2002), or other metrics that seek to capture additional effects that the average grade does not reflect.

In addition to the inherently complex problem of defining the dependent variable, we are facing the complexity of identifying the causal factors. As a reference, one of the last meta-analysis on this topic (Schneider and Preckel, 2017) identified a total of 105 different variables. In our opinion, this may be one of the reasons why it is so complex to develop portable predictive models of academic performance. The studies by Widyahastutia and Tjhin (2018) and Thakar, Mehta and Manisha (2015), analyzing the academic publications between 2011-2016 and 2002-2014 respectively, point to the need to seek unified approaches to develop universal models. Along the same lines, Muthukrishnan, Govindasamy and Mustapha (2017), based on a review of 59 articles on predictive models of student performance, conclude that there is a huge shortage of portable predictive models, which is confirmed, among others, by Conijn, Snijders, Kleingeld, Matzat (2017) and Gašević, Dawson, Rogers


128


and Gasevic (2016): even when analyzing different courses within the same institution, there are important differences between them, requiring predictive models adapted to each of them.

Returning to the causal factors, Schneider and Preckel (2017) encompass the different variables in two major areas, related to the student and the instructional process, an approach similar to that of Tourón (1985), which distinguishes between personal characteristics of the student and factors related to the teaching and learning process. Garbanzo (2007) proposes a somewhat different classification, with three different groups of factors, namely personal, social and institutional, being the latter mainly linked to the university features.

Regarding personal determinants, pre-university performance is probably one of the indicators with the greatest predictive capacity in university students (Tejedor, 2003; Garbanzo, 2007; McKenzie and Schweitzer, 2001), since it synthesizes both the student’s skills and work capacity, as well as his/her background (Beltrán and La Serna, 2008). Admission tests also appear to have a considerable relationship with academic performance: the meta-analysis conducted by Richardson, Abraham and Bond (2012), after studying the research results between 1997 and 2010, indicates that high school grades, together with the results of admission tests (SAT/ACT in the United States), showed medium-sized positive correlations with grades obtained at university. In fact, the paper by Montero, Villalobos and Valverde (2007) on 848 students at the University of Costa Rica concludes that the best predictor is a combination of high school grades and the score in a reasoning test. In the specific case of Spain, and specifically for degrees related to economics and business, García-Diez (2000) concludes that the score obtained in “Selectividad”/EvAU is useful as a way of selecting students with the highest probability of success. However, it should be noted that Escudero (1987) points out that the prediction of university academic performance is significantly different according to the specialty in high school, with greater correlations in humanities.

Looking in detail at both previous performance and admission test scores, it seems that the results in mathematics are especially relevant, even in non-scientific degrees. Barahona (2014), using a sample of 258 first-year students in the degrees of Social Work, Engineering, Law and Humanities at the University of Atacama (UDA), concludes that the results of verbal and mathematical tests are important predictors. Tourón


129


(1984, cited in Beltrán and La Serna, 2008) concludes that grades in secondary education, especially in mathematics, are the best predictors of performance at university, a result that coincides with that of Beltrán and La Serna (2008), who point out that “[the average grade in the school’s mathematics courses is the most important variable to explain academic performance]” (p. 58). For the specific case of university studies in the field of economics and business, good performance in mathematics at university correlates positively with good performance in economics (Harbury and scienSzreter, 1968) and finance (Didia and Hasnat, 1998). Ballard and Johnson (2004) point out that quantitative skills are a key factor for performance in an introductory microeconomics course, and Girón and González (2005) conclude that good results in the economic area are basically explained by previous performance in mathematics.

This relation between skills in mathematics and academic performance in courses related to economics makes us wonder whether having studied the science specialty in high school improves academic performance at university, and specifically in courses related to economics and business, because as far as we know, there is no research on this particular topic developed in Spain. Etxeberria, Alberdi, Eguia and García (2017), in reference to two engineering degrees in the Engineering School of Bilbao, found a higher academic performance among those who had studied the “Science and Technology” specialty. With regard to the interest area of this paper, Castellanos, González, González and Manzano (1998) found that students in the science specialty in high school had a better academic performance in the busines mathematics course in former business administration degrees (“licenciatura en administración and dirección de empresas” and “diplomatura en empresariales”). However, this result does not agree with the study by Dávila, García-Artiles, Pérez-Sánchez, and Gómez-Déniz (2015) for the same course, as they conclude that there is no difference between those coming from a science or social science specialty in high school, although there are differences with respect to those who had studied humanities. Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez and Martín (2010) also analyzed academic performance in the business administration degree, finding that having studied the science specialty in high school had a positive and significant impact in academic performance in quantitative courses, while this variable had no effect in courses where the evaluation system depended greatly on memory or general understanding of ideas. Finally, Martí-Ballester


130


(2019) concludes that students coming from a social science specialty in high school had better grades in financial accounting compared to those coming from a science specialty. Therefore, it looks like there is mixed evidence with respect to the effect of the specialty from high school, and thus this paper focuses precisely on analyzing this effect.

In order to carry out this analysis, out of the three groups of factors that Garbanzo (2007) proposes, personal, social and institutional, this paper will focus on the first one, although it is necessary to briefly discuss the other two factors, in order to find potential confusion variables that should be included in the model.

When it comes to social factors, the university in which the study has been performed is a private university where its students have a relatively similar social background. Almost all students fall into upper-middle class, with parents that, in most cases, have university degrees. In fact, the research performed by Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez and Martín (2010), based on 554 students from the Business Administration degree (ADE) of the same university, concluded that 86% of fathers had a higer education degree, 12% had secondary education and a 2% had lower education. When it comes to the mothers, 77% had a higher education degree, 21% had secondary studies and 2% had a lower education.

Regarding institutional factors, the university is middle sized, and both its teaching methodologies and evaluation systems are very standardized, at least in the case of the degrees that are the focus of this study. One example is the fact that having the same exam for all groups of the same module, regardless of the degree it belongs to, is common practice. Another example is the size of the groups of students. Studies about this topic (Arias and Walker, 2004; Fenollar, Román and Cuestas, 2007) point out that there exists a positive relationship between performance and teaching in small groups, despite the existence of certain differing results, such as the work by Borland, Howsen and Trawick (2005), who suggest there is a non-linear relationship between performance and group size. Therefore, this is a variable that could be potentially incorporated to the model; however, in our case the groups are very similar, with around 45 students per group regardless of the degree or course considered, and thus it is not necessary to include it.

With regards to personal factors, in addition to the high school specialty, this work includes the academic performance before university and the


131


score in Comillas Pontifical University’s own admission exams, because, as it has been mentioned earlier, both variables have systematically been identified as good predictors for academic performance at university, and they are included among the ten most relevant variables in the literature, according to the meta analysis by Schneider and Preckel (2017). In particular, given the relevance of the previous background in mathematics, and to a lesser extent in Spanish language, two of the exams that evaluate these areas have been selected. Additionally, the English test has also been included because one of the degrees, E-2 Bilingual, is studied entirely in this language, and in E-4, a significant part of the students also study part of the degree in English. Nevertheless, in the same way as with institutional and social factors, the university’s policies make the incorporation of certain variables unnecessary. As an example, class attendance, which is identified as a relevant factor in diverse studies (Cansino, Román and Expósito, 2018; Credé, Roch and Kieszczynka, 2010), is compulsory, allowing for a maximum of 25% of absences, making differences among students minimal. The province the students come from has been included as a dummy variable, to indicate whether they carried out their previous studies in Madrid or not, due to the mixed evidence with respect to the effect of changing cities or abandoning the family home when studying at university. Beltrán and La Serna (2008) explain a negative effect due to the adaptation to a new life situation, among many other factors. This result coincides with the conclusions by Tejedor (2003). On the contrary, Simón, Casado, Castejón, Driha and Martínez (2018) do not observe significant differences in academic performance with respect to their type of residence. As a result of this ambiguity, this variable has been incorporated. It has also been considered relevant to include the gender of the student, since several papers suggest that women have a higher academic performance in courses related to business (Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez and Martín, 2010; Martí-Ballester, 2012; Mercado and Niño, 2012; Durán, Maside, Rodeiro and Cantorna, 2016).


132


Method

Research design

This research lays out three different hypotheses:

Hypothesis 1: In the degrees with a higher mathematical load, students who chose a science specialty in high school have better academic performance during the first year at university, where these contents are concentrated. Hypothesis 2: In the degrees with a higher mathematical load, students who chose a science specialty in high school have a similar academic performance compared to those who studied social science and humanities specialty in high school when the whole degree is considered. Hypothesis 3: In the degrees with few or unexistent mathematical load, the specialty chosen in high school is irrelevant when it comes to explaining academic performance for the first and following years.

In order to verify these hypotheses, this study is structured as follows: firstly, the methodology followed in our analysis is introduced, including a description of the sample and the statistical tools that have been used. Then, the results are interpreted and compared to those from previous studies. Finally, the limitations of our work are analyzed. A quantitative research methodology has been chosen, with a non experimental - predictive design structured in four phases: (i) identification of the most relevant variables to explain academic performance among university students, (ii) gathering of information, (iii) exploratory data analysis, (iv) statistical analysis through multivariate linear regression models adapted to the peculiarities of the available information, in order to deal with the issues found in the third phase. Since we use regression models, hypothesis testing will be performed based on individual significance tests for each of the model estimators. Lastly, it must be highlighted that this study is linked to the specific student profile from Comillas Pontifical University, whose data have been obtained from its academic database.


133


Sample

The sample that has been used for this study is made of all the students from seven different degrees that entered Comillas Pontifical University between the academic years 2012-2013 and 20117-2018. The only students that were removed from the sample are those for whom certain data required by the model was not available, together with eight students that studied the “Arts” specialty in high school, because the reduced size of this group could lead to estimation problems. Finally, the sample includes over 90% of students who studied the different degrees in the aforementioned period.

The chosen degrees are those that are somehow related to economics and business: Business Administration (E-2), Bilingual Business Administration in English (E-2 Bil), Business Administration with International Mention (E-4), Business Administration and International Relations (E-6), and Business Adminstration and Law (E-3). Additionally, the degree in Law (E-1)1 and the double degree in Law and International Relations (E-5) have been included as well, since it is interesting to evaluate if the possible effects detected also appear in degrees with few or unexistent mathematical load. Table 1 shows the main attributes of the sample, indicating the number of students in each degree, the percentage of women and the percentage that studied the science specialty in high school. In addition, the average grade is included both for the first year and the whole degree, as well as the standard deviation. The grades from the university admission exams, EvAU, have also been included, together with its standard deviation. In all cases, all the data, fully anonymized, have been provided by Comillas Pontifical University.

(1) All law students have been put together in this category (E1) regardless of their specialty (diploma/mention given by the univeristy according to certain additional courses).


134


TABLE 1. Sample used in the analysis

Grades in the first year Grades in the degree

Sample%

Women

% Science

HSSample

% Women

% Science

HS

E2 (Business) 606 50% 32% 326 51% 33%

E2Bil (Business, bilingual) 236 60% 34% 90 61% 36%

E3 (Business and law) 1106 48% 29% 351 53% 28%

E4 (Business, interna-tional)

296 61% 41% 169 66% 45%

E6 (Business and I.R.) 469 68% 34% 56 71% 46%

E1 (Law) 408 64% 12% 232 65% 13%

E5 (Law and I.R.) 291 69% 16% 63 71% 13%

Total 3412 57% 29% 1287 59% 29%

Average grade (standard dev.)

7.01 (1.09)

7.27 (0.85)

EvAU grade (standard dev.)

8.21 (0.89)

8.13 (0.89)

Source: Prepared by the authors

Methodology

The R programing environment has been used (Project R for statistical analysis, http://www.r-project.org) to manage the database and create the models. The models estimation has been carried out by using basic functions included in such programing environment (R Core Team, 2013) and the “RCurl” (Lang and CRAN team, 2019) and “car” (Fox and Weisberg, 2019) packages. In order to determine the significance of the variables, a confidence level of 0.995 has been considered. This choice follows the suggestion by 72 academics in a recent article published in Nature Human Behaviour (Benjamin et al., 2018), where they propose “to change the default P-value threshold for statistical significance for claims of new discoveries from 0.05 to 0.005”, in order to improve research replicability. Such perspective has been thus adopted in our study, meaning that the variables in the model will only be considered statistically significant if they reach that threshold.


135


We detected that the existence of outliers, associated to students that dropped out during the first year with very low average scores, generates heteroskedasticity. It has been checked that this cannot be corrected by using transformations, creating inference problems within the model. Therefore, multivariate linear regression methods with standard deviations robust to heteroskedasticity have been used. On the other hand, a strong imperfect multicolinearity issue was detected as a consequence of incorporating the interaction term between the high school specialty and the admission grade, generating a very high variance inflation factors (VIF). For this reason, all the numerical variables, both dependent and independent, have been standardized, providing the additional advantage of having estimators that can be directly compared. This standardization has been performed for each degree, substracting the mean and dividing by the standard deviation within each degree. After this transformation, the problem disappears, obtaining VIF values far below 10, as it is explained in the results section. Regarding variable selection, a Backward Stepwise Selection method has been used, because the available sample is large enough to allow the incorporation of all predictors from the beginning. As usual, the stopping criterion in the elimination process is achieving a minimum AIC. In this situation, it must be highlighted that, due to the high threshold required to consider a variable as significant (P-value of 0.005, according to the reccomendations by Benjamin et al., 2018), optimal models with a minimum AIC contain certain non-significant variables which may frequently be significant if the more common threshold of 0.05 had been used.

Variables

The average grades weighted by the credits of each course, both for the first year and the whole degree, have been used as dependent variables. Regarding the former, the calculation is simple and requires no adjustments. For the latter, only the grades from students who have finished their studies have been taken into account, reducing significantly the sample size as a consequence of having many students who have not completed their studies yet due to the academic years considered.

When it comes to the independent variables, they include both the admission exam to university, which aggregates the grade from the EvAU exam and the grade from the last two years of high school (EVAU), and the results from the three admission exams carried out by the university


136


itself (Comillas Pontifical University), that test the students’ knowledge in Mathematics (TMathematics), Spanish (TSpanish) and English (TEnglish). These exams are developed by specialized companies specifically for the university and, additionally, their performance is periodically evaluated by an independent audit carried out by the professors at Comillas. The last audit, carried out during the academic year 2018-2019, was lead by one of the authors of this study. The specific choice of these tests is based on the fact that, as mentioned in the introduction, the academic literature identifies mathematical skills and, to a lesser extent, language skills, as good predictors for academic performance at university.

In the same way, other variables have also been included: the student’s gender (Gender), as a binary variable that takes value 1 for women and 0 for men; whether the student comes from a high school in Madrid (Madrid), as a binary variable that takes value 1 if the center belongs to Madrid and 0 otherwise; the high school specialty (HSSpecialty), that takes value 1 for science and 0 for social science and humanities; and the interaction of the latter with the average grade in EvAU (Interaction EVAU-HSS). The reason to include this interaction is the existence of certain evidence indicating that the effect of the EvAU grade in academic performance at university is different depending on the high school specialty studied, as mentioned in the introduction.

Results

In what follows, the results for each of the different regressions developed for each degree will be shown, first those for the first year and then for the whole degree. In all cases, the F statistic and its p-value, the adjusted R2, the AIC (Akaike Information Criterion) and the highest VIF obtained for all the independent variables are reported.

Results for the first university year

In all the degrees with the highest mathematical content, that is, the ones that include Business Administration with or without a second degree (Table 2), we can observe that the EvAU grade has a positive and significant relation and, in fact, it is the predictor with the highest impact in the model. The grades obtained in the university’s own admission mathematics exams have a significant relation for E-3, while the ones


137


regarding English language are only relevant for E-6 and E-2 (Bilingual Business Administration). Whether the students attended high school in Madrid or not is significant for four out of the five degrees, indicating that those students coming from Madrid get better grades than those coming from elsewhere, except for Bilingual Business. With regards to gender, it seems to have an effect only in Business Administration.

Regarding the high school specialty, we can consider that hypothesis 1 is verified: students coming from the science high school specialty have better grades than their peers coming from social sciences and humanities, since this variable is significant in four of the five degrees2. Nevertheless, it is interesting to observe how the interaction between the EvAU grade and the high school specialty is significant and negative for the Business Administration degree. The implications of this effect will be analyzed in the discussion section.

TABLE 2. Results of the regression models for those degrees with more mathematical content, using the average grade of the first year as a dependent variable (in bold significant variables at 99.5%)

E2 (Business) E2Bil (Bil. Busines) E3 (Business and Law) E4 (Int. Business) E6 (Business and I.R.)Coef. t P-value Coef. t P-value Coef. t P-value Coef. t P-value Coef. t P-value

Constant -0.44 -4.91 1.2E-06 -0.16 -2.13 3.4E-02 -0.43 -7.38 3.2E-13 -0.39 -2.78 5.8E-03 -0.37 -4.26 2.4E-05Gender 0.19 2.83 4.8E-03 TMathematics 0.09 2.43 1.5E-02 0.09 3.59 3.5E-04 0.13 2.79 5.6E-03 0.11 2.72 6.8E-03TSpanish 0.06 2.30 2.1E-02 TEnglish -0.07 -1.84 6.7E-02 0.14 3.38 8.4E-04 0.14 3.02 2.7E-03

EvAU 0.62 14.83 < 2E-16 0.56 10.56 < 2E-16 0.66 20.02 < 2E-16 0.51 7.27 3.5E-12 0.58 14.25 < 2E-16

EvAU^2 0.07 2.77 5.8E-03 0.05 1.43 1.5E-01Madrid 0.33 3.86 1.3E-04 0.47 8.60 < 2E-16 0.37 2.96 3.3E-03 0.32 3.81 1.6E-04HSSpecialty 0.30 4.35 1.6E-05 0.47 4.44 1.4E-05 0.20 3.66 2.6E-04 0.26 2.72 7.0E-03 0.31 3.70 2.4E-04InteractionEvAU-HSS -0.23 -3.38 7.7E-04 -0.10 -1.97 4.9E-02

F statistic (p-value)39.67

(< 2E-16)

43.52 (<

2E-16)

105.9 (< 2E-16)

19.21 (4.86E-

14)

49.02 (<

2E-16)R2 adjusted 0.322 0.331 0.386 0.317 0.394AIC 1492 580.8 2610 734.1 1105Maximum VIF 1.609 1.028 1.825 1.26 1.24


(2) Taking into account that the stated hypothesis is associated to a right tailed test, while the individual significance tests shown in the table are two-sided, the hypothesis would also hold were the one-sided test considered, since the corresponding P-value would be half the one provided in the table.


138


Regarding the degrees with no mathematical content (Table 3), EvAU grades hold a positive and significant relation, and in the case of the Law degree, there is a reinforcing quadratic effect as well. On the other hand, whether students come from high school in Madrid or not is significant in both cases. In the case of the high school specialty, it has no effect in the Law degree, as expected, but in the case of Law and International Relations having studied the science high school specialty has a positive and significant effect. This behavior does not seem to be justified by the content of the degree courses, since in the first year there is only one course related to economics.

TABLE 3. Results of the regression models for those degrees with no mathematical content, using as a dependent variable the average grade of the first year (in bold significant variables at 99.5%)

E1 (Law) E5 (Law and I.R.)Coef. t P-value Coef. t P-value

Constant -0.28 -3.78 1.8E-04 -0.15 -1.34 1.8E-01Gender -0.26 -2.50 1.3E-02TMathematics TSpanish 0.11 2.29 2.3E-02TEnglish EvAU 0.55 12.71 < 2E-16 0.58 8.91 < 2E-16EvAU^2 0.11 3.42 7.0E-04 Madrid 0.30 3.30 1.1E-03 0.48 4.48 1.1E-05HSSpecialty 0.51 4.78 2.8E-06InteractionEvAU-HSS

F statistic (p-value)67.19 (< 2E-16)

20.77 (< 2E-16)

R2 adjusted 0.273 0.391AIC 1034 689.4Maximum VIF 1.102 1.135


Results for the whole degree

Considering the grades during the whole degree, we find that the EvAU grade (Table 4) is a significant variable across all degrees with


139


mathematical contents, and has a quadratic effect in two of them, increasing the positive effect for those with higher grades. When it comes to the effect of the science high school specialty we find that, once the whole degree is considered, its impact disappears in all cases but E-2 (Bilingual Business Administration). In other words, as stated in hypothesis 2, the advantage provided by a science high school specialty during the first year disappears when we consider the degree as a whole, with the exception of the aforementioned case.

TABLE 4. Results of the regression models for those degrees with more mathematical content, using as a dependent variable the average grade of the whole degree (in bold significant variables at 99.5%)

E2 (Business) E2Bil (Bil. Business) E3 (Busines and Law) E4 (Int. Business) E6 (Business and I.R.)Coef. t P-value Coef. t P-value Coef. t P-value Coef. t P-value Coef. t P-value

Constant -0.70 -4.86 1.9E-06 -1.03 -4.85 5.7E-06 -0.48 -6.13 2.4E-09 -0.25 -2.60 1.0E-02 -0.47 -2.23 3.0E-02Gender 0.39 4.07 5.9E-05 0.18 2.08 3.8E-02 TMathematics 0.09 1.92 5.5E-02 0.17 4.08 5.6E-05 TSpanish 0.25 4.03 8.7E-05 TEnglish -0.11 -2.20 2.9E-02 0.12 1.46 1.5E-01 0.20 2.96 3.6E-03 0.30 3.00 4.2E-03

EvAU 0.50 8.86 < 2E-16 0.57 5.88 8.3E-08 0.67 13.59 <

2E-160.57 8.66 4.5E-15 0.52 4.32 7.2E-05

EvAU^2 0.07 1.72 8.7E-02 0.24 3.43 9.5E-04 0.09 2.42 1.6E-02 0.16 3.21 1.6E-03 Madrid 0.47 3.74 2.2E-04 0.86 4.44 2.8E-05 0.51 6.02 4.6E-09 0.51 2.25 2.9E-02HSSpecialty 0.25 2.29 2.2E-02 0.60 2.99 3.7E-03 0.21 1.82 7.0E-02 0.39 1.83 7.3E-02InteractionEvAU-HSS 0.29 1.30 2.0E-01

F statistic (p-value)18.46 (<

2.2E-16)

16.74 (1.47E-

12)

54.63 (< 2.2E-16)

43.98 (< 2.2E-16)

9.621 (7.10E-

06)R2 adjusted 0.324 0.452 0.41 0.48 0.39AIC 807.4 210.1 818.6 377 137.6Maximum VIF 1.12 1.779 1.454 1.60 1.11


With respect to the two degrees with no mathematical content, the results are as expected as well, showing that the high school specialty is not significant neither for Law nor for Law and International Relations (Table 5).


140


TABLE 5. Results of the regression models for those degrees with no mathematical content, using as a dependent variable the average grade of the whole degree (in bold significant variables at 99.5%)

E1 (Law) E5 (law and I.R.)

Coef. t P-value Coef. t P-value

Constant -0.34 -3.25 1.4E-03 -0.16 -1.14 2.6E-01

Gender

TMathematics 0.26 2.59 1.2E-02

TSpanish 0.11 1.56 1.2E-01

TEnglish

EvAU 0.46 7.90 1.2E-13 0.50 5.98 1.4E-07

EvAU^2 0.10 2.10 3.7E-02

Madrid 0.36 2.73 6.8E-03 0.46 2.45 1.7E-02

HSSpecialty 0.38 2.52 1.2E-02

InteractionEvAU-HSS

F statistic (p-value)19.66

(2.98E-16)22.04

(1.07E-09)

R2 adjusted 0.225 0.384

AIC 604.3 154.1

Maximum VIF 1.179 1.201


Discussion and conclusions

Regarding control variables, in line with what was found by Beltrán and La Serna (2008) and Tejedor (2003) about the negative effect of changing cities, this paper has found that those students from a high school in Madrid obtain indeed better grades than those who studied elsewhere. This effect happens mostly during the first year (six out of seven degrees), while it only happens in three out of seven degrees once the whole degree is considered. If we focus on the five degrees with more mathematical contents, and considering all academic years, the effect is not relevant in those degrees with a more international focus,


141


such as E-4 (International Business) and E-6 (Business and International Relations), but it is relevant in the other three cases.

With regards to academic performance and gender, it looks like there are no differences except for Business Administration, where both during the first year and the degree as a whole, women present a higher academic performance. If we focus in the Business Administration degree and we compare our results with those from the literature, we can see that they agree with the results from Mercado and Niño (2012) and Martínez de Ibarreta, Rua, Redondo, Fabra, Nuñez and Martín (2010). Regarding other research, that find this superior performance in certain subjects (Martí-Ballester, 2012; Durán, Maside, Rodeiro and Cantorna, 2016), since our model considers the average grades of all courses, our results can neither confirm nor refute their conclusions. This observation, together with the fact that it does not seem to be a relevant factor in the rest of the degrees, shows that more research on this topic is clearly needed. The purpose of this study was not the analysis of the effect of gender in academic performance in business related degrees, and such variable was added as a control variable; however, the obtained result brings to light that it is a topic that requires attention.

With regards to academic performance before university, the most relevant variable to explain academic performance is, in all cases3, the average EvAU admission grade, both for the first year and the whole degree, in line with previous literature that already highlighted the relevance of this factor (García-Diez, 2000; McKenzie and Schweitzer, 2001; Tejedor, 2003; Garbanzo, 2007; Richardson, Abraham and Bond, 2012). On the other hand, the scores in the mathematics university’s admission tests are significant for the double degree in Business and Law. Previous studies such as those by Touron (1984), Beltrán and La Serna (2008) and Barahona (2014) stated that the mathematical background was a relevant predictor for academic performance; however, this was not observed in our study, with the only exception of one degree. When it comes to the English admission exam, it is significant for the first year of E-2 Bilingual and E-6, and for the whole degree of E-4 and E-6. These results, considering the characteristics of the involved degrees, are coherent with what could be expected a priori. The advantage provided

(3) The only exception is Bilingual Business, degree in which, when the whole degree is taken into account, the high school province is the most influential variable.


142


by a good English level in E-2 Bilingual is obvious. The fact that it is also the case in E-4 and E-6, which have an international focus, also seems reasonable. Either way, we can conclude that the average total performance (measured by the average EvAU grade) is more relevant than the specific skills in mathematics, Spanish or English (measured by the individual admission tests at ICADE).

When it comes to the high school specialty, which is the main focus of the paper, we can confirm the first hypothesis: in those degrees with more mathematical contents (E-2, E-2 Bilingual, E-3, E-4 and E-6), the students who chose the science high school specialty have a better academic performance during the first year. Nevertheless, there are two issues that must be considered. On the one hand, in E-4 (International Business), the acceptance threshold is only reached if a one-sided hypothesis test is considered. On the other hand, in the Business Administration degree (E-2), there is an interaction term between the admission grade and the science high school specialty that is significant and negative during the first year. This means that the slope of the EvAU variable for those students from a science high school specialty is smaller, cutting off with the students from social sciences at 1.3. Given that the variables are standardized, this means that the academic performance of students from the science high school specialty is higher provided that the EvAU average grade is less than 8.7; however, for greater EvAU average grades, students from social science and humanities are the ones with a better academic performance4.

This is an interesting effect that should be analyzed in future research. So far, we can only think of a possible motivational effect, in the way that students from social sciences and humanities high school specialty usually have a higher vocation regarding that degree. In other words, students from social sciences and humanities with high EvAU grades have a higher motivation than those from science high school specialty, also with such high grades, leading to a higher academic performance. Nevertheless, if this were the case, this effect should also be observed in the rest of degrees; however, this does not happen, and this is the reason why we believe more research is needed to explain this situation. On the other hand, the high school specialty seems to have no impact in the Law

(4) It must be taken into account that the variable “High School Specialty” is positive and significant and thus, in addition to the slope, the intercept also changes. As a consequence, the cutting point is not the average grade but the EvAU grade 8.7 instead.


143


degree, which has no quantitative courses, neither in the first year, nor in the whole degree.

When it comes to the second hypothesis, we can also partially confirm it: in those degrees with more mathematical content (E-2, E-2 Bilingual, E-3, E-4 and E-6), students from a science high school specialty show a similar academic performance than those from social sciences and humanities if the whole degree is considered. This hypothesis holds in four of the five degrees, having E-2 Bilingual as the exception.

Finally, with regards to the third hypothesis, it also seems to be partially confirmed: in those degrees with very limited or no mathematical content (E-1 and E-5), high school specialty is irrelevant when it comes to explaning academic performance, both for the first year and the degree as a whole. Here, we also find an exception in the case of the first year of the double degree in Law ad International Relations, where having studied a science high school specialty leads to a higher academic performance.

Regarding the limitations of our work, firstly, no explanation has been found for the interaction between the admission exam grade (EvAU) and the science high school specialty being negative and significant in the first year of the Business Administration degree. Given the sample size, 606 students from 6 different cohorts, this effect does not seem to be due to a sample bias, and nor can it be explained by the results from previous research. Secondly, the fact that having studied a science specialty in high school is significant and positive for Law and International Relations during the first year and for Bilingual Business during the whole degree does not agree with the starting hypothesis, and it cannot be easily explained by the existing theories or by analyzing the contents of such degrees. These degrees do not have a higher mathematical load than others considered in the sample and, in fact, in the case of Law and International Relations, it is almost non-existing. Further research is needed in order to dig deeper into the possible causes, maybe through an analysis similar to the one performed in this paper but after classifiying the different courses into different typologies. This would provide additional insights regarding whether this effect is due only to certain types of courses, which may have an impact in the average grades. Finally, regarding methodological aspects, the fact that the sample comes from one single university, together with its own particular attributes, limits the external validity of this research. Our conclusions may not be


144


directly generalizable to the same degrees in other universities, as the demographic and social profile of the students from Comillas Pontifical University is not representative of Spanish university students in general. For this reason, we think that the results of this paper should be verified or refuted by similar studies in other universities.

Acknowledgements

The authors are most grateful to the Comillas Pontifical University for its collaboration in obtaining the necessary data to carry out this research. They also thank Professor Susana Carabias for her help with some technical aspects of the manuscript, as well as the comments of two anonymous reviewers whose contributions have helped to substantially improve the final document.

References

Arias, J. J., and Walker, D. M. (2004). Additional evidence on the relationship between class size and student performance. The Journal of Economic Education, 35(4), 311-329. doi: https://doi.org/10.3200/JECE.35.4.311-329

Ballard, C. L., and Johnson, M. F. (2004). Basic math skills and performance in an introductory economics class. The Journal of Economic Education, 35(1), 3-23. doi: https://doi.org/10.3200/JECE.35.1.3-23

Barahona, P. (2014). Factores determinantes del rendimiento académico de los estudiantes de la Universidad de Atacama. Estudios pedagógicos (Valdivia), 40(1), 25-39. doi: http://dx.doi.org/10.4067/S0718-07052014000100002

Beltrán, A., and La Serna, K. (2008). ¿Qué explica el rendimiento académico en el primer año de estudios universitarios? Un estudio de caso en la Universidad del Pacífico. Documento de discusión, DD/08/09

Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., ... & Cesarini, D. (2018). Redefine statistical significance.


145


Nature Human Behaviour, 2(1), 6-10. doi: https://doi.org/10.1038/s41562-017-0189-z

Borland, M. V., Howsen, R. M., and Trawick, M. W. (2005). An investigation of the effect of class size on student academic achievement. Education Economics, 13(1), 73-83. doi: https://doi.org/10.1080/0964529042000325216

Cansino, J. M., Román, R., and Expósito, A. (2018). Does Student Proactivity Guarantee Positive Academic Results? Education Sciences, 8(2), 62. doi:https://doi.org/10.3390/educsci8020062

Castellanos, L., González, C., González, A., and Manzano, I. (1998). Las matemáticas empresariales: estudio de los factores determinantes del rendimiento académico. En VI Jornadas de la Asociación Española de Profesores Universitarios de Matemáticas para la Economía and la Empresa (ASEPUMA). Recuperado de http://www.asepuma.org/VI/vi.htm

Castro, R. B., Fernández, P., and Martín, V (2015). Análisis de la tasa de rendimiento de la educación superior en España. Revista de educación, 370, 96-120. doi: 10.4438/1988-592X-RE-2015-370-299

Conijn, R., Snijders, C., Kleingeld, A., and Matzat, U. (2016). Predicting student performance from LMS data: A comparison of 17 blended courses using Moodle LMS. IEEE Transactions on Learning Technologies, 10(1), 17-29. doi: https://doi.org/10.1109/TLT.2016.2616312

Credé, M., Roch, S. G., and Kieszczynka, U. M. (2010). Class attendance in college: A meta-analytic review of the relationship of class attendance with grades and student characteristics. Review of Educational Research, 80(2), 272-295. doi: https://doi.org/10.3102/0034654310362998

Dávila, N., García-Artiles, M., Pérez-Sánchez, J. M., and Gómez-Déniz, E. (2015). Un modelo de regresión logística asimétrico que puede explicar la probabilidad de éxito en el rendimiento académico. Revista de Investigación Educativa, 33(1), 27-45. doi: https://doi.org/10.6018/rie.33.1.178481

Di Gresia, L. M., Porto, A., and Ripani, L. (2002). Rendimiento de los estudiantes de las universidades públicas argentinas. Documentos de Trabajo. Recuperado de http://www.depeco.econo.unlp.edu.ar/wp/wp-content/uploads/2017/05/doc45.pdf

Didia, D., and Hasnat, B. (1998). The determinants of performance in the university introductory finance course. Financial Practice and Education, 8, 102-107.


146


Durán, P., Maside, J. M., Rodeiro, D., and Cantorna, S. (2016). Determinantes del rendimiento académico del alumnado de una asignatura de Contabilidad: el caso de la USC. REDU: Revista de Docencia Universitaria, 14(1), 151-178.

Escudero, T. E. (1987). Buscando una mejor selección de universitarios. Revista de educación, (283), 249-283.

Etxeberria, P., Alberdi, E., Eguia, I., and García, M. (2017). Análisis del rendimiento académico en relación al perfil de ingreso del alumnado e identificación de carencias formativas en materias básicas de dos grados de Ingeniería. Formación universitaria, 10(4), 67-74.

Fenollar, P., Román, S., and Cuestas, P. J. (2007). University students’ academic performance: An integrative conceptual framework and empirical analysis. British Journal of Educational Psychology, 77(4), 873-891. doi: https://doi.org/10.1348/000709907X189118

Fox J., and Weisberg, S. (2019). An {R} Companion to Applied Regression, Third Edition. Thousand Oaks CA: Sage. URL: https://socialsciences.mcmaster.ca/jfox/Books/Companion/

Garbanzo, G. M. (2007). Factores asociados al rendimiento académico en estudiantes universitarios, una reflexión desde la calidad de la educación superior pública. Revista educación, 31(1), 43-63. doi: http://dx.doi.org/10.15517/REVEDU.V31I1.1252

García-Diez, M. (2000). The effects of curriculum reform on economics education in a Spanish college. Education Economics, 8(1), 5-15. doi: https://doi.org/10.1080/096452900110274

García-Merino, J. D., Urionabarrenetxea, S., and Bañales-Mallo, A. (2016). Cambios en metodologías docentes and de evaluación:¿ Mejoran el rendimiento del alumnado universitario?. Revista electrónica de investigación educativa, 18(3), 1-18.

Gašević, D., Dawson, S., Rogers, T., and Gasevic, D. (2016). Learning analytics should not promote one size fits all: The effects of instructional conditions in predicting academic success. The Internet and Higher Education, 28, 68-84. doi: https://doi.org/10.1016/j.iheduc.2015.10.002

Girón, L., and González, D. E. (2005). Determinantes del rendimiento académico and la deserción estudiantil, en el programa de economía de la Pontificia Universidad Javeriana de Cali1. Revista Economía, Gestión and Desarrollo, 3, 173-201.


147


Harbury, C. D., and Szreter, R. (1968). The influence upon university performance of the study of economics at school. Journal of the Royal Statistical Society: Series A (General), 131(3), 384-409.

Martí-Ballester, C. P. (2012). Analysis of the factors that influence the academic performance of financial accounting students using binary choice models. Review of Business Management, 14(45), 379-399. https://doi.org/10.7819/rbgn.v14i45.1080

Martí-Ballester, C. P. (2019). Factors that Influence Academic Performance: Analyzing Gender Differences in Accounting Students. Revista Educación, 43(2), 31-48. http://dx.doi.org/10.15517/revedu.v43i2.28916

Martínez de Ibarreta, C., Rua, A., Redondo, R., Fabra, M. E., Nuñez, A., and Martín, M. J. (2010). Influencia del nivel educativo de los padres en el rendimiento académico de los estudiantes de la ADE. Un enfoque de género. En M. J. Mancebón Torrubia, D. Pérez Ximénez de Embún, J. M. Gómez Sancho and G. Giménez Esteban (Coords.), Investigaciones de Economía de la Educación Número 5 (1273-1296). AEDE, Asociación de Economía de la Educación.

McKenzie, K. and Schweitzer, R. (2001). Who succeeds at university? Factors predicting academic performance in first year Australian university students. Higher education research & development, 20(1), 21-33. doi: https://doi.org/10.1080/07924360120043621

Mercado, T. M., and Niño, C. G. (2012). Factores académicos and personales asociados al rendimiento académico de los estudiantes del programa de administración de empresas de la Universidad de Sucre. Zona próxima, 16, 54-67.

Montero, E., Villalobos, J. and Valverde, A. (2007). Factores institucionales, pedagógicos, psicosociales and sociodemográficos asociados al rendimiento académico en la Universidad de Costa Rica: Un análisis multinivel. RELIEVE-Revista Electrónica de Investigación and Evaluación Educativa, 13(2), 215-234.

Muthukrishnan, S. M., Govindasamy, M. K., and Mustapha, M. N. (2017). Systematic mapping review on student’s performance analysis using big data predictive model. Journal of Fundamental and Applied Sciences, 9(4S), 730-758.

R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: http://www.R-project.org/


148


Richardson, M., Abraham, C. and Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological bulletin, 138(2), 353. doi: http://dx.doi.org/10.1037/a0026838

Schneider, M. and Preckel, F. (2017). Variables associated with achievement in higher education: A systematic review of meta-analyses. Psychological bulletin, 143(6), 565-600. doi: http://dx.doi.org/10.1037/bul0000098

Simón, H. J., Casado, J. M., Castejón, J. L., Driha, O. M. and Martínez, L. (2018). Efecto del tipo de alojamiento and el tiempo de desplazamiento sobre el rendimiento académico del alumnado universitario. En Memorias del Programa de Redes-I3CE de calidad, innovación e investigación en docencia universitaria: Convocatoria 2017-18 (1849-1855 pp.). Instituto de Ciencias de la Educación.

Tejedor, F. J. (2003). Poder explicativo de algunos determinantes del rendimiento en los estudios universitarios. Revista española de pedagogía, 224, 5-32.

Lang, D. T. and CRAN team (2019). Package ‘RCurl’. URL http://www.omegahat.net/RCurl

Thakar, P., Mehta, A. and Manisha (2015). Performance Analysis and Prediction in Educational Data Mining: A Research Travelogue. International Journal of Computer Applications, 110(15), 60-68.

Touron, J. (1984). Factores del rendimiento académico en la universidad. Pamplona: Ediciones Universidad de Navarra S.A.

Tourón, J. (1985). La predicción del rendimiento académico: procedimientos, resultados e implicaciones. Revista Española de Pedagogía, 43(169-170), 473-496

Widyahastuti, F., and Tjhin, V. U. (2018). Performance Prediction in Online Discussion Forum: state-of-the-art and comparative analysis. Procedia Computer Science, 135, 302-314. doi: https://doi.org/10.1016/j.procs.2018.08.178

Contact address: José Luís Arroyo-Barrigüete. Universidad Pontificia Comillas, Facultad de CC. Económicas y Empresariales, Departamento de Métodos Cuantitativos. E-mail: [email protected].

Date post:	16-Oct-2021
Category:	Documents
Upload:	others
View:	1 times
Download:	0 times

Predictores del rendimiento académico en las titulaciones ...

Documents